深度专题 FEATURES — 3
LLM Agent开始一边听一边做
AsyncLLM让Agent在思考和行动时继续接收信息，试图把“轮流办事”改成真正的并发。
CoDrive：多辆车共享同一个世界
CoDrive让两辆车在同一虚拟道路里“做梦”，画面彼此对得上，行驶轨迹也能精确控制。
移动目标逼机器人学会反事实规划
机器人追不上移动目标，未必不会抓；DPP用反事实场景唤出旧技能，再接回现实执行。
速览 BRIEFS — 8
PAPER
世界模型推演时还要生成未来吗
机器人不必画完未来，只需“看着噪声”也能兼顾泛化与速度
PAPER
2.7比特LLM不只要压缩，还要能服务
Tetra让2.7比特大模型不只装得下，还能在GPU上直接高效运行。
PAPER
多Token预测的加速账该重算了
GPU实测显示，多预测Token的收益来自少跑执行轮次，而非单个算子更快。
PAPER
视频世界模型迎来多物体记忆考场
OPIS只盯输入中真实出现的物体，揭示视频模型“有东西却认错东西”的记忆缺口。
PAPER
长任务VLA有了快慢两套记忆
D²-VLA把长期线索与眼前变化分开记，让机器人既不忘事，也能及时应变。
PAPER
蒸馏到底把什么写进了模型
拆开蒸馏后的模型看，学生没有抄来新知识，更像是重新调高了已有能力的音量。
PAPER
Agent上下文不必等爆满再压缩
让 Agent 每轮整理记忆，能压低上下文占用，但未必省钱，也可能降成功率。
PAPER
全双工语音模型要按秒守时
DuplexCadence把语音服务变成按秒交卷：平均够快不算，次次准点才行。